| 研究課題/領域番号 |
16K12487
|
|---|
| 研究種目 |
挑戦的萌芽研究
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 神戸大学 |
|---|
研究代表者 |
松原 崇 神戸大学, システム情報学研究科, 助教 (70756197)
|
|---|
| 研究分担者 |
上原 邦昭 神戸大学, システム情報学研究科, 教授 (60160206)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2018年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2017年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2016年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | ニューラルネットワーク / ゆらぎ / 機械学習 / 非同期順序回路 / 人工ニューラルネットワーク / 生体神経細胞 / 生成モデル / 電子回路 |
|---|
| 研究成果の概要 |
本研究課題は，人工ニューラルネットワークと比較した場合に，生体神経の特徴である確率的な振る舞い（ゆらぎや不確実性）とスパイク時刻信号について，それらを応用した生成的な機械学習アルゴリズムと実装法を研究開発することを目的とする．数理モデルの観点からはゆらぎと恒常性の関係を明らかにするモデルを導出した．学習アルゴリズムの観点からは離散信号を確率分布で表現することで生理学的に妥当な学習アルゴリズムを開発した．そして回路実装の観点からは，実用的な解像度において高い削減効率であるといわれてきた線形近似の3分の1の回路素子数（＝回路面積）しか要求しない実装方法を開発した．またいくつかの応用法も提案した．
|
| 研究成果の学術的意義や社会的意義 |
本研究は(1)生物の脳が学習するメカニズムにおいて，従来不明であったゆらぎの貢献や時間的な適応について，数式によるモデルを構築できた．(2)確率的な現象をモデル化できる機械学習手法であるボルツマンマシンを，高密度に電子回路実装する手法を開発した．(3)いわゆる深層学習に確率的要素(ゆらぎや不確実性)を持ち込むことで，高い精度を達成したり，小規模データへ適応可能な手法を開発できた．
|
